Недостовірні та нечіткі знання

Загальні положення

Найбільш вражаючою властивістю людського інтелекту є спроможність приймати правильні рішення в умовах неповної та нечіткої інформації. Побудова моделей наближених міркувань людини та використання їх в інтелектуальних комп’ютеризованих системах є нині одним з найперспективніших напрямків розвитку сучасної обчислювальної техніки.

Якщо для класичного поняття множини характеристична функція в інтервалі (0, 1) набуває значення 0 або 1, то, поширивши поняття на нечіткі множини, говорять, що функція належності (ФН) в цьому випадку може набувати будь-яких значень в межах цього інтервалу [202]. У цій праці американський вчений Лотфі Заде визначив також ряд операцій над нечіткими множинами і запропонував узагальнення відомих методів логічного виведення «modus ponens» і «modus tollens».

Запроваджуючи поняття лінгвістичної змінної і припустивши, що її значеннями (термами) виступають нечіткі множини, Л. Заде запропонував апарат для подання процесів інтелектуальної діяльності, включаючи нечіткість і невизначеність висловлювань. Це дало змогу створити фундамент теорії нечітких множин і нечіткої логіки, а також передумову для впровадження методів нечіткого управління в інженерну практику. У свою чергу, це зумовило постановку цілого ряду нових проблем, зокрема таких, як створення нових архітектур комп’ютерів для нечітких обчислень, елементної бази нечітких комп’ютерів і контролерів, методів і інструментальних засобів розробки нечітких систем управління тощо.

Математична теорія нечітких множин дає змогу подавати нечіткі поняття і знання, оперувати ними та робити нечіткі виведення. Нечітке управління є особливо корисним, коли досліджувані процеси є занадто складними для аналізу за допомогою загальноприйнятих методів або коли доступні джерела інформації інтерпретуються неякісно, неточно або невизначено. Нечітка ж логіка, на якій ґрунтується нечітке управління, надаючи ефективні засоби відображення невизначеностей і неточностей реального світу, ближче до людського мислення та істотних мов, аніж традиційні логічні системи.

Характерним для фаззі-логіки і фаззі-управління є безпосереднє застосування експертних знань, які якісно формулюються для генерування керуючих впливів. Знання про взаємодію з процесом за цією методикою подається у формі правил продукції такого виду:

ЯКЩО (вихідна ситуація), ТО (відповідна реакція). Такі ЯКЩО-ТО- правила відповідають найпростішій формі людських взаємодій. На відміну від раніше розглянутого (див. розд. 2.2), у фазі логіці “вихідна ситуація” і “відповідна реакція” являють собою нечіткі висловлення, наприклад:

ЯКЩО (швидкість пересування ланки маніпулятора є надмірною),

ТО (напругу на відповідний привідний двигун зменшити).

Або таке логічне висловлення:

ЯКЩО (при захоплюванні деталі спостерігається її незначне проковзування в захватному пристрої ЗП промислового робота ПР) І (є достатній запас міцності деталі для збільшення зусилля захоплення), І (діапазон зусилля захоплення ЗП уможливлює деяке його збільшення), ТО (необхідно повністю використати можливості ЗП).

Форму опису, що дає змогу операціоналізувати сформульовані вище знання, фаззі-теорія розглядає як розширення класичної теорії множин [202].

Отже, апарат нечітких множин і нечіткої логіки вже давно і з успіхом застосовується для розв’язування задач, в яких вихідні дані є ненадійними та слабоформалізованими.

Водночас для нечітких систем характерні й деякі недоліки, зокрема:

• вихідний набір постульованих нечітких правил формулюється експертом-людиною і може виявитися неповним або суперечливим;
• вид і параметри ФН, які описують параметри системи на вході та на виході, вибираються суб’єктивно і можуть виявитися не зовсім такими, що відображають реальну дійсність.

Для усунення, принаймні частково, наведених недоліків намагаються створювати нечіткі системи адаптивними, коригуючи, у міру їх функціонування, правила та параметри ФН. Найбільш вдалими прикладами таких систем є, зокрема, нечіткі нейронні сітки.